数字经济时代大数据领域滥用行为认定规则的重构

郭勇辉，李淑霞

(1.同济大学 法学院，上海 200092；2.哈尔滨工业大学 人文社科与法学学院，哈尔滨 150001)

一、问题的提出

随着大数据收集、存储、分析、处理等技术的兴起，大数据逐渐成为社会发展过程中一种最重要的资源，大数据和大数据产品也渗入到社会生活中的方方面面，人们学习、工作、生产、投资、管理都离不开数据。大数据为国家经济增长带来了新形态，为企业经济带来了新模式，为人民生活带来了新福利。然而，也必须看到，掌握了大数据的互联网企业，又充分利用大数据带来的巨大市场竞争优势，实施不当收集数据、拒绝分享数据、大数据杀熟等滥用行为，导致消费者权益受到损害，新进入市场竞争者的市场空间受到挤压，正当市场竞争秩序受到损害。

鉴于滥用大数据给市场竞争可能带来的损害，世界各国政府试图采取各种措施对互联网企业滥用大数据行为进行打击。2017年，欧盟委员会对谷歌搜索偏袒其专用搜索Google Shopping，处以24.2亿欧元罚款；2019年，脸书(Facebook)因不当收集用户个人数据而被德国联邦卡特尔局(FCO)认定为滥用市场支配地位行为；2020年，美国联邦贸易委员会，对脸书发起反垄断诉讼，指控脸书在收购潜在竞争企业中，滥用其在社交网络中的市场支配地位，并建议对脸书实施分拆。然而，值得注意的是，世界各国执法机关在对滥用大数据市场支配地位行为进行认定过程中，面临系列争议和执法困境。在德国脸书案中，不同的执法或司法机关对该案性质的认定就存在较大分歧。德国联邦卡特尔局认为脸书的服务条款，以及收集和使用数据的方式和程度都违反了欧盟的数据保护法(GDPR)，并且属于利用其在市场中的支配地位，损害用户权益，因此，属于反垄断法上的剥削性滥用行为。当该案诉诸到杜塞尔多夫地区法院时，该法院认为，尽管脸书违反了数据保护法，但并不足以证明其违反了反垄断法。当该案上诉德国最高法院时，该法院又支持了德国联邦卡特尔局的观点，认为脸书公司不仅违反了数据保护法，还导致大量用户被锁定在脸书中，排除和限制了其他竞争者，构成了滥用市场支配地位行为。

同时，从最近国际社会关于大数据市场竞争的调查统计数据业显示，各国反垄断机关针对数字市场滥用行为的39个案件中，只有17个案件进行了执法行动。我国国内产生的相关大数据纠纷或诉讼也大多难以被认定为滥用市场支配地位行为。如菜鸟网络与顺丰物流大数据之争、大众点评与百度数据之争、华为与腾讯微信数据纠纷、新浪微博诉脉脉案、新浪微博诉今日头条案、淘宝诉美景不正当竞争纠纷案，等等，最后也以和解或者不正当竞争纠纷结案。

之所以存在上述情况，当然有数字经济时代大数据性质和作用难以确定、相关市场难以界定、市场力量难以评估等各方面的因素。然而，在本文看来，一个重要原因在于传统的反垄断理论和滥用行为认定规则主要针对权属明晰、市场行为特征明显、竞争损害容易识别的产品，到了数字经济时代，互联网企业具有的双边市场、网络效应、免费策略、平台模式、动态竞争等市场特性，叠加大数据所具有的多宿主性、非排他性、人身性(隐私)、国家主权性等多重特征，模糊了传统反垄断立法上的典型性滥用行为的形式识别外观。在以往实践中，当形式上的立法类型无法涵摄现实中新滥用类型的情况下，可以通过对滥用行为是否存在实质性的竞争损害进行判断，以确定是否属于反垄断法上的滥用。然而，传统反垄断法上的竞争损害识别模式，面对大数据领域市场竞争的多种新型滥用行为亦存在失效。换言之，传统反垄断法的滥用行为认定规则并不完全适应数字经济时代大数据领域的市场竞争。

二、数字经济时代大数据领域典型性滥用行为梳理

任何理论都来源于实践经验的总结，抽象的立法、执法规则也总晚于实践中出现的各种生动案例。大数据滥用是新问题，社会对此亦在逐步认识过程中，要有针对性地对新生事物性质建立识别认定规则，必须在掌握大数据领域一定数量的典型滥用行为基础上，对这些滥用行为的特点进行梳理和归纳，并找到传统认定规则在识别这些滥用行为上的盲点，在此基础上构建科学合理的滥用行为认定规则，以对属于垄断阵营和非垄断阵营的各类滥用行为进行分流。从近年来可能涉嫌反垄断法意义上(只是涉嫌，亦可能是构成其他法律上的滥用)的滥用行为来看，可以归纳为以下几种典型类型。(1)社会总在不断发展，大数据运用以及产生的滥用纠纷也在不断涌现，本文对滥用大数据典型行为的归纳不一定全面，仅具有阶段性。

(一)不当采集数据

互联网企业通过设置一些模糊的、晦涩难懂的法律条款来要求用户允许其收集相关数据，同时，由于这些互联网企业在市场上具有的强大市场控制力，用户几乎没有条件选择其他产品。在使用互联网产品或者服务中，用户亦不了解自己的哪些数据被互联网企业收集，以及这些数据如何被使用。因此，用户往往只能被迫或者在不知情的情况下(没认真阅读条款)接受这些条款。这种采集数据的不当性体现在两个方面，一是对消费者数据的采集和处理超出了正常需要的合理限度；二是数据被采集后，并不一定被互联网企业采取特殊措施加以保护，用户隐私多处于暴露之中，消费者的隐私保护水平被降低[1]。

(二)拒绝分享数据

数据在不同互联网企业之间的传输极为便利，既不会有消耗，也没有什么成本。然而，随着大数据使用场景的不断运用，互联网企业越来越依据大数据驱动自身业务的发展，故此，为了避免他人利用大数据与自己竞争，拥有大数据的互联网企业限制他人使用自己的数据便是一种市场常态。限制的手段既有法律上的，如在互联网平台上作出限制使用声明；也有技术上的，比如关闭数据接口或者设置为其他企业不能兼容的数据格式。关闭数据接口是最主要的限制手段。近年来，世界各国已经发生了多起影响较大的拒绝分享数据的案例。从数据收集、存储、使用的三个阶段来看，限制数据使用的情况可分为三种类型。

第一种是在数据收集阶段，与数据生产者(如市场消费者)签订排他性条款阻止其他市场经营者获取数据，或者通过繁琐的技术手段让数据生产者难以轻易将数据转移到其他互联网平台上。

第二种是在数据存储阶段，限制他人获取非结构化的数据。如近几年发生的华为与腾讯数据纠纷、菜鸟与顺丰数据纠纷、Peoplebrows 诉 Twitter案、hiQ诉领英案、新浪微博诉脉脉案等。在这些纠纷中，当一方向另外一方收集其生产经营中获得的，未经过分析处理的数据时，另外一方通过技术手段或者通过投诉、诉讼行为加以阻止。

第三种是在数据使用阶段，拒绝他人使用数据产品。最典型案例是淘宝公司诉美景公司生意参谋案。“生意参谋”是淘宝公司对淘宝电商平台上海量原始数据经过深度处理、分析、加工形成的数据产品，可以为商家的店铺运营提供参考。美景公司运营其“咕咕生意参谋众筹”网站，以提供远程登录服务的方式，招揽、组织、帮助他人获取“生意参谋”数据产品中的数据内容，并从中获取利益。淘宝公司为此将美景公司起诉至法院。法院审理后认为，美景公司未付出劳动创造，将涉案数据产品直接作为获取商业利益的工具，构成不正当竞争，判令美景公司停止侵权并赔偿经济损失。(2)参见浙江省杭州市中级人民法院(2018)浙01民终7312号判决书。

(三)利用数据算法自我优待

掌握大数据的互联网企业大都是平台型企业，它既是同行竞争企业的基础设施，又是同行竞争企业的市场竞争者。最有名的自我优待行为是谷歌比较购物(Google Shopping)。为了使自己的购物网站能够获得巨额的流量，谷歌公司利用大数据算法将竞争对手的购物网站排在通用搜索的第四页之后，而把自己的购物网站放到首页。当用户想通过网上搜索商品进行购物时，用户搜索到的基本上都是谷歌购物上的商品，其他商家商品很难通过谷歌搜索被搜索到。

(四)强制搭便车

互联网企业利用平台获取的数据算法来提升销售或服务的质量和数量，可以获取市场竞争优势。该类型行为的一个重要案例是，亚马逊通过使用商户的销售数据，促进自己产品销售。亚马逊作为一家零售商，同时也是其他零售商的销售平台，扮演着“既是零售商，也是交易平台”的双重角色。作为交易平台，亚马逊可以掌握平台上各个上架的销售数据，并对数据进行计算分析，从而决策推出何种新产品、如何定价，以及如何管理存货、选定最优供货商。亚马逊通过利用这些从平台获取的数据，得以精准了解市场需求，并因此能够专注于销售最畅销产品，使在其平台上销售的卖家逐步边缘化。

(五)价格歧视

亦称之为“大数据杀熟”，互联网企业通过掌握用户爱好、购物习惯、价格敏感度、经济条件等多种数据后，评估出用户为某种产品的支付能力和支付意愿，从而不同人不同价。大数据杀熟分为两类，初代杀熟和二代杀熟。初代杀熟主要是对熟客显示高价，对生客显示低价。如经常使用某互联网企业APP的A顾客在网上预定酒店，该网站页面显示价格是800元，但是不常使用该APP的B顾客查询时，价格是660元。二代杀熟是指互联网企业通过人工智能、算法迭代以及平台对消费者信息全方位收集后，为用户进行全方位“画像”，并据此进行精准推送。互联网企业的大数据杀熟行为，不仅强化了消费者与企业之间的信息不对称态势，损害了消费者权益，同时，还通过大数据算法扰乱了价格竞争机制，攫取高额利润，损害了正常的市场竞争秩序。

(六)滥用市场杠杆

互联网企业中不同产品的大数据之间相互融通，共同构成了一个数字生态系统，模糊了不同产品之间的相关市场界限。由于数据的联络作用，使得互联网企业的主导市场和新生市场之间产生联系，互联网企业可以将主导市场的市场力量转移到新生市场，主导市场和新生市场的共同作用能够产生规模经济和范围经济，也能够提高市场效率，并为创新或竞争差异化提供合理回报。因此，利用大数据在互联网平台不同市场之间进行运作将成为一种重要的商业模式。值得注意的是，互联网企业利用数据传递市场力量，亦容易面临垄断的质疑。在谷歌比价购物案，当谷歌的比较购物服务产品Froogle初步进入市场时，市场份额较小，由于网络购物很大程度上依赖于流量，因此，占据搜索引擎市场支配地位的谷歌，通过流量引流，将搜索引擎的数据流量导入了Froogle上，致使其流量在英国提升了45倍，在德国提升了35倍，在法国提升了19倍，在希腊提升17倍，谷歌通过数据算法给予了Froogle 明显的竞争优势[2]。在这种数据传递杠杆的作用下，意味着只要谷歌想进入某一个新生市场，其就可以将搜索市场的支配地位进行传导，使其产品在新生市场也获得市场支配地位，并利用这种市场支配地位阻碍其他竞争对手。

三、数字经济时代大数据领域滥用市场支配地位行为的认定难题

上述梳理的六种行为，很多特征符合传统经济时代反垄断法上的滥用行为要件，但当以传统的反垄断法进行界定时，却又不完全契合，这些行为在某种程度上亦可以界定为消费者保护法、反不正当竞争法或民法意义上的侵权或滥用。加拿大竞争局认为，把数据的处理和隐私视为影响市场竞争中服务质量的一个竞争参数，数据的过度收集、个人隐私保护的降低，意味着服务质量的下降。因此，属于反垄断法上的滥用行为[3]。欧盟则认为，由于数据浓度的增加，与隐私有关的担忧不属于欧盟竞争法规则的范围，但属于欧盟数据保护规则的范围，属于侵犯个人隐私行为。欧洲法院在Asnef Equifax案(2006)中指出，与个人数据敏感性有关的任何问题本身都不是竞争法的问题，但可以根据有关数据保护的相关规定来解决。

当对上述不同观点进行梳理分析后会发现，之所以产生分歧，关键在于大数据领域的滥用行为已经超出传统反垄断法的规制范畴，因此，无法用传统反垄断法的理论和形式构成要件识别上述实质上可能属于反垄断法意义上的滥用行为。事实上，反垄断法上滥用行为识别认定的本质，是将互联网企业的具体行为适用于法律，并判断有无竞争损害。在具体的识别认定过程中，本身隐含着两个条件：一是滥用行为必须形式上符合法律规定的滥用类型，这是滥用行为进行认定的前提，即通过立法对众多表现各样的滥用行为进行提前过滤，使具备一定形式要件的滥用行为能够进入反垄断法规制的范畴，避免反垄断执法泛化。二是除了形式上符合法律规定的滥用行为类型，还需要查明该行为是否存在竞争损害，即通过实质性审查，将形式上符合滥用行为类型，但实质上不具有反竞争的行为排除在规制范畴之内。当通过传统的反垄断法适用数字经济时代大数据领域的滥用行为时，面临下列问题。

(一)传统滥用行为类型的立法框架无法涵摄大数据领域滥用行为的新类型

首先，多种滥用大数据的行为类型，并不在传统的反垄断立法类型之内。在传统经济时代，世界主要法域在立法上对滥用支配地位具体类型分别作出规定，日本《禁止私人垄断及确保公平交易法》(2006修订)第2条规定了歧视待遇、不公平的交易价格、强制交易、限制交易、附加不合理条件的交易等行为类型[4]。《欧盟运行条约》第102条也规定了四种滥用市场支配地位行为，即直接或者间接施加不公平的买卖价格或者其他不公平的交易条件；限制生产、市场或技术发展，损害消费者利益；就同等的交易，对其他交易方适用不同的交易条件，从而使其在竞争中处于劣势。在签订合同的时候，要求其他交易方必须接受其性质或商业惯例与合同标的无关的附加义务。由于我国反垄断法出现较晚，其能够在借鉴世界各国反垄断法的基础上进行立法，因此，关于滥用市场支配地位行为类型规定的最为详细、齐全。我国反垄断法第17条以列举的形式规定了七种滥用市场支配地位的行为：不公平价格、拒绝交易、限定交易、搭售商品、附加不合理条件、差别待遇以及其他滥用行为。然而，大数据领域的滥用行为，很多是利用了大数据所具有的可复制性、传导性、预测性等独特特征，而传统产品并不具备这些特征，因此，从前文梳理的六种行为类型来看，像互联网企业通过大数据实施的自我优待、强制搭便车和滥用市场杠杆等行为，并不在传统立法规定的类型范围之内(见下页表)。

表 大数据领域滥用行为典型类型与我国反垄断法规定滥用行为类型比较

其次，剥削性滥用问题突出。从反垄断理论来讲，滥用行为分为排他性滥用和剥削性滥用。排他性滥用是通过市场控制力排挤竞争对手，或者将市场控制力扩大到相邻市场阻碍竞争的行为，如前面提到的低价销售、歧视待遇、限制交易、强制交易、搭售或附加不合理条件、独家交易等情形；剥削性滥用是利用其市场控制力，向交易相对人施加不公平交易条件或交易价格的行为，如过度定价、歧视性定价、不公平条款。在传统实践中，由于剥削性滥用主要体现在“垄断高价”(过高定价)，而这种“垄断高价”往往又与市场经营者正常的价格定价行为难以区分，同时，剥削性滥用执法有着较为严格的程序，比如对于价格差异需要证明属于歧视并对客户产生负面影响，这种证明难度较大，也导致了在传统经济时代世界上许多国家对剥削性滥用的立法受到很大限制。目前，各国法律主要聚焦于企业利用市场控制力对竞争对手采取不利的排他性行为规制上。

然而，在数字经济时代，剥削性滥用往往成为重要影响竞争的方式，比如，大数据杀熟行为，本质上属于利用大数据获取的对消费者的消费承受能力、购物爱好等方面的了解，攫取超额市场利润，剥削消费者的权益——传统企业在没有大数据帮助的情况下，并不掌握消费者价格承受能力。然而，在数字经济时代，当互联网企业通过大数据对消费者进行透视了解其产品购买承受力后，事实上，是剥夺了本可由消费者享有的消费者剩余。还比如，恶化向消费者提供的隐私条款和数据收集条款，或明确限制消费者将其内容转移到其他平台的行为，这些本质上都是利用市场势力对消费者人身权或选择权利的侵犯。但是，由于在立法框架上没有对此类剥削性滥用做出规定，因此，这些行为要么因不符合传统滥用类型而不能被认定为反垄断法规制的范畴[1]，要么只能将这些剥削性滥用行为概念化为收取过高的非货币性价格，向排他性滥用的特征靠拢，比如数据收集、价格歧视或其他质量方面的问题，被转化为排他性滥用的价格过高或条款不公平，通过反垄断法上的排他性滥用规则加以规制。

(二)传统滥用行为的分析模式无法识别大数据领域滥用行为的竞争损害

首先，对损害行为事实难以查清。大数据的利用离不开算法，而算法是基于技术手段实现，技术手段具有较高的隐蔽性和专业性，特别是大数据本身是以数字信息形式存在，其存储、传输、使用都属于无形，并且较为容易修改。因此，大数据技术特点决定了要识别存在滥用这一行为事实存在难度。比如“强制搭便车行为”，很多平台型互联网企业通过平台获取的交易数据来决定自身的销售策略(或者推出热销产品)，由于这种只是一种内部决策行为，要查明互联网企业决策者销售的策略是基于从平台获取的交易数据做出，难度较大，事实上也不可能。

其次，行为损害后果难以判断。一方面，根据传统的反垄断法目标，反垄断法更多保护的是竞争秩序而不是竞争者的利益，在判断行为是否构成反垄断法上的滥用时，是否损害了竞争秩序是一个重要的考量因素。因此，只考虑滥用行为是否引起竞争秩序损害即可认定其具有反竞争效果，产生竞争损害——这也是传统经济时代反垄断法只有排他性滥用，而没有剥削滥用的重要原因。然而，传统上这种竞争秩序损害等同于竞争损害的做法，在数字经济时代却面临难题。在数字经济时代，很多互联网企业是通过损害消费者的隐私或者产品(质量)来获得竞争优势，并反过来利用这种优势再来损害消费者权益、市场竞争秩序。要精确评估质量属性，并从竞争的角度去判定质量因素带来的市场影响，却比较困难。换言之，要将这种隐私损害的评价转化为可量化的竞争损害评估几乎不可能，前面提到的不当收集个人数据的案例中，什么时候跨越了门槛，使过度收集数据由隐私问题变成了竞争法问题？不同的国家甚至不同个人对隐私的重视程度都不一样[5]。

另一方面，在数字经济时代，产品或者服务要占据市场，必须注重技术和商业模式的创新，这也导致了在创新的带动下，企业的竞争模式长期处于不断动态发展过程中。而动态竞争使拥有大数据的互联网企业的市场结构处于变化之中，市场竞争产生的后果属于正效应还是负效应难以判断，有些互联网企业尽管在市场竞争中胜利，但属于对其使用大数据产生效率、创新成果的确认，若未能对该互联网企业利用大数据的行为有确凿的证据证明其损害竞争，即加以限制，那么有可能抑制创新，损害消费者福利。

四、数字经济时代大数据领域滥用行为的拓展与认定

大数据在运用过程中，无论是滥用行为的表现形式还是竞争损害的具体内容，都不同于传统经济下的市场竞争行为，传统的市场竞争模式亦在数字经济时代发生了颠覆性变化，这也意味着若继续谨守传统的反垄断法的规制类型和分析模式，将无法适应数字经济时代的发展。因此，有必要根据大数据领域的市场竞争特点，对数字经济时代滥用市场支配地位行为认定规则进行重构，以提升反垄断法应对数字经济的适用弹性。

(一)对大数据领域滥用市场支配地位行为立法新类型的拓展与重构

反垄断法作为经济宪法，其出现就在于需要国家采取广泛的行动，解决公法和私法不能解决的问题，发挥合同法、行政法、消费者保护法等这类法律所管辖之外的作用，比如“确保有效的竞争过程”“促进消费者福利”“提高效率”“确保经济自由”“确保公平竞争环境”“促进公平与平等”，等等。在传统经济时代，由于工业经济大生产的主要目的是提高经济效率，提升消费者的经济福利，因此，会通过保障市场竞争秩序，使经济力量不至过度集中，以促进经济发展。换言之，市场经营者能够产生的市场效果或者对消费者的影响主要是经济方面，因此，传统经济时代，对市场竞争行为的规制目标专注在经济方面。然而，在数字经济时代，在一个快速变化且大数据在市场竞争中发挥着关键性作用的情况下，数字经济中的竞争主要围绕与创新型产品、服务相关的新技术、新模式展开，消费者经济福利的重要性降低了；相反，市场经营者在市场竞争中更多的是利用大数据降低隐私保护水平、降低服务质量以及提高用户使用成本等损害消费者非经济福利。因此，在大数据领域对滥用行为进行认定时，必然需要以新的思路对待隐私、质量、创新、选择多样性在竞争中的作用。

数字经济时代，大数据对社会的广泛运用，产生了各种利弊，而对大数据的滥用行为导致传统的反垄断目标不足以应对大数据给市场竞争带来的负面影响。因此，在数字经济时代，应当对传统经济时代的反垄断目标进行回归和改良，将传统的保护市场竞争秩序之外的隐私、选择多样性、服务质量这些在市场竞争中体现为剥削性滥用的行为纳入反垄断规制目标范畴内。具体而言，一方面，将原有的排他性滥用中有关剥削滥用的规定脱离出来。由于传统的法律规定，把本质上属于剥削性滥用的滥用行为归纳为排他性滥用，比如歧视待遇、不公平交易。因此，有必要把这些直接侵犯消费者利益的行为，本质上属于剥削性滥用的行为单独列出来，与排他性滥用并列成为一种滥用行为，强化反垄断法对剥削性滥用的立法规制。另一方面，必须深化剥削性滥用在反垄断法的具体内容。一般认为剥削性滥用主要区分为不公平定价、歧视定价和不公平条款。这种分类还是基于价格机制评价市场竞争，过度重视价格竞争损害对消费者利益的影响。事实上，在数字经济时代，对滥用的界定并不能局限于价格损害以判断有无竞争秩序损害，更多的是在保护经济福利之外的非价格福利损害。欧洲消费者组织(BEUC)在界定消费者损害时将其分为较差的质量、较少的选择以及创新减少三个大的类型，这为构建剥削性滥用的非价格损害类型提供了参考借鉴。剥削性滥用在结合传统的过高定价、歧视定价等价格损害的基础上，增加非价格损害类型，即较差的质量、较少的选择以及创新减少。

另外，值得注意的是，由于大数据的独特特征，大数据既是销售产品，但本身又能产生市场力量，且在不同产品中进行传递融通，大数据发挥着基础设施的作用，因此，像杠杆作用、自我优待、强制搭便车在传统市场竞争行为中几乎没有，传统的立法规制类型上亦没有体现，然而到了数字经济时代，这些行为却较为普遍和常见，且确实是利用了大数据产生的竞争优势，破坏了不同市场主体之间的公平竞争，损害了竞争秩序，因此，亦应该纳入反垄断制度中排他性滥用的立法框架。

(二)对滥用大数据市场支配地位分析模式的选择

对滥用行为的认定，除了对存在实质竞争损害的行为进行立法上形式认定之外，还涉及一个对不存在实质竞争损害的滥用行为进行排除的方法适用问题，即将实践中涉及反垄断法上的“滥用”的行为适用于法律，并判断有无实质竞争损害的实践过程。这个过程涉及到分析模式的配置问题。不同的分析模式，意味着滥用行为认定标准厘定、举证责任分配和案件的类型化处理等诸多方面的选择差异，可以说，分析模式的选择直接影响到反垄断法实施的宽严程度，也是反垄断法适用过程中的前置性环节，是其最核心的环节[6]。

传统反垄断理论和实践中，市场支配地位滥用行为认定的分析模式主要有两种，一是形式主义分析模式，二是效果主义分析模式，这种称呼主要流行于欧洲。在美国，这两种分析模式却称之为本身违法原则、合理原则，但两者只是不同法域的不同叫法，其内涵相差无几。形式主义分析模式和效果主义分析模式最大的区别是在认定构成滥用市场支配地位时，对执法机关(原告)在竞争损害方面的举证要求不同。形式主义分析模式对滥用行为具有竞争损害采用不可反驳的推定，只要该滥用行为符合法律规定的类型即推定其有竞争损害。效果主义分析模式则要求原告证明竞争损害，需要在综合考察案件全部事实的基础上，通过审查行为是否存在竞争损害为标准，以认定行为是否具有合理性。效果主义分析模式不存在推定，需要原告证明反竞争效果、被告证明促进竞争效果，并由司法或者执法机关将两者加以分析平衡，确定有结果上的竞争损害，才能认定存在滥用行为。

不同的滥用行为分析模式对于滥用行为的认定有着关键的作用。欧盟和美国对谷歌比较购物案的不同处理可以说明这个问题。由于欧盟更注重形式主义分析模式，更加注重维持一个公平的竞争环境，即保护竞争过程。因此，在有些竞争损害无法查清的情形下，并不完全拘泥于一定要查清实在的竞争损害，而是符合一定的形式要件，比如占据市场支配地位、有滥用行为即可以断定其属于滥用。2017年，欧盟委员会针对谷歌滥用其在普通搜索市场的主导地位，在其搜索结果页面中偏袒自己的比较购物服务行为处以罚款。同样是谷歌的比较购物行为，在美国，由于采用了效果主义分析模式，更加看重竞争损害后果，因此，美国联邦贸易委员会同样对谷歌的搜索行为进行了调查，但最终得出的结论是，谷歌展示内容方式的改变，提高了搜索结果的质量，既不反竞争，也不损害消费者的利益，因此，结束了对谷歌“搜索偏见”指控的调查。

我国在滥用市场支配地位行为认定的分析模式选择中，采用了效果主义分析模式。如2012年公布施行的《最高人民法院关于审理因垄断行为引发的民事纠纷案件应用法律若干问题的规定》第八条规定：“被诉垄断行为属于反垄断法第十七条第一款规定的滥用市场支配地位的，原告应当对被告在相关市场内具有支配地位和其滥用市场支配地位承担举证责任。被告以其行为具有正当性为由进行抗辩的，应当承担举证责任。”该司法解释明确将滥用市场支配地位(行为)，即有违法性(竞争损害)的举证的责任交给了原告，将正当理由的抗辩交给了被告，符合效果主义分析模式的构造。从叶卫平教授对我国发改委以及省级以上工商行政管理部门在2013年至2016年所执法的滥用市场支配地位案件适用分析模式类型统计来看，涉及的14件滥用市场支配地位案件全都采用了效果主义分析模式[6]。

无论是采用形式主义分析模式，还是效果主义分析模式，当适用于大数据领域的市场竞争时，会发现存在众多弊端。比如，效果主义分析模式更注重静态竞争下的行为效果，将无法及时有效地回应激励科技创新和维护自由公平竞争的时代要求，亦对那些初创型的创新企业或潜在的竞争者的成长十分不利。特别是构筑于信息科技和数字科技颠覆式创新之上的数字经济对市场结构和竞争秩序产生的损害难以及时规制[7]。形式主义分析模式对大数据这样一种新经济过于严格，特别是对大数据在运用中的利弊都无法查清的前提下，只要形式上符合滥用定义，就对其进行压制，这将极大扼杀大数据在市场运用中的创造力。因此，数字经济时代，有必要针对大数据市场竞争的特点，并结合两种分析模式优点的基础上，构建一种新的分析模式——结构型效果主义分析模式。在这种模式下，结合了数字经济时代大数据市场竞争损害存在的不确定性、竞争损害举证难度大的特点，将事实查证问题转变为证据规则问题，属于立法在总结经验的基础上对极为可能造成竞争损害的滥用行为类型的归纳总结，对属于基础事实与推定事实之间存在高度盖然性而产生证明责任的简化[8]。即对竞争损害进行违法性推定，一旦经营者的行为符合法律规定的类型，即推定存在竞争损害，这免除了执法机关(原告)对竞争损害的举证责任，但允许被告提出正当理由对竞争损害进行辩驳。

(三)结构型效果主义分析模式的具体适用路径

在滥用行为认定的具体使用路径上，结构型效果主义分析模式与传统分析模式的认定过程没有本质的区别，都是分为四个步骤，一是市场势力认定，二是滥用行为的认定(竞争损害的证明)，三是被告对滥用行为的合理性进行辩驳，四是司法机关(执法机关)对辩驳理由进行判断衡量。但是，由于大数据的特殊性，因此，在具体适用结构型效果主义认定滥用大数据行为时，必须注意以下三个方面的问题。

首先，确认市场势力是筛选可能损害竞争行为的前提之一，也是区分滥用市场支配地位行为与侵犯消费者权益行为、侵犯信息安全行为、侵犯人身权利行为等情形的重要标准。社会之所以对侵犯大数据的行为存在不同性质认定的观点，关键就在于没有看到互联网企业在运用大数据的过程中采用了支配性的市场力量。在脸书案中，脸书公司在条款和条件上不遵守数据保护规则，过度收集用户的数据，就该行为本身而言，仅仅违反了欧盟的GDPR。但是，其之所以对用户能够强加相关条款和条件，本质上在于脸书公司所具有的市场力量或优越的议价能力，其损害了用户的选择权，同时，也由于其本身所具有的锁定效应，容易对竞争对手不利，产生竞争秩序的损害。因此，其行为是反垄断法上的滥用行为，而不是其他性质的行为。

其次，在结构型效果主义分析模式下，考虑到互联网企业的集中化、平台化趋势，且容易形成自然垄断，导致市场进入的高壁垒，因此，发现了互联网企业有滥用行为，就可以产生竞争损害的可反驳推定，而且这种推定不需要严格证明市场力量与滥用行为之间的因果关系[9]，但是需要证明市场力量与竞争效果之间的关系。比如，前面提到的大数据杀熟中，市场力量状态和杀熟后的效果——不同顾客之间的价格差异，相对而言比较容易证明，但是大数据杀熟行为(算法)难以查清。事实上，正因为市场力量与滥用行为之间的因果关系很难查清，有的国家立法开始尝试降低市场力量与滥用行为之间的因果关系证明，《德国反对限制竞争法》第十修正案草案(2020年1月24日发布)，就不要求证明支配地位和滥用行为之间的因果关系，仅需证明支配地位与反竞争效果之间存在因果关系即可。

最后，在结构型效果主义分析模式下，对滥用行为进行辩驳的正当理由中，动态抗辩因素可能会越来越重要。一个完整严密的滥用行为分析模式，既有损害推定，也要允许当事人的抗辩，使执法或者司法机关能够全面、客观、真实地审查竞争损害，使即便有些滥用行为的形式外观，但是却并没有实质损害的良性行为被排除在外。事实上，现有的法律大都允许当事人以正当理由进行抗辩。我国《工商行政管理机关禁止滥用市场支配地位行为的规定》第八条规定，认定“正当理由”应当综合考虑下列因素：(1)有关行为是否为经营者基于自身正常经营活动及正常效益而采取；(2)有关行为对经济运行效率、社会公共利益及经济发展的影响。另外，我国国家市场监督管理总局于2019年6月公布的《禁止滥用市场支配地位行为暂行规定》亦针对每种具体的滥用类型的抗辩理由做了具体的规定。然而，值得注意的是，亦如前面提到的，在数字经济时代，互联网企业之间的竞争，更多地是以动态竞争形式，且大数据的使用价值不具有确定性，因此，在传统的抗辩理由外，动态效率的抗辩理由亦必须考虑。在传统的静态竞争下，资源是既定不变的，不同人之间可以进行比较，因此，静态竞争下的效率可以理解为不同市场主体之间谁能够最优化地使用资源，避免浪费资源。然而，在数字经济时代，动态效率的定义不再局限于资源的有效利用(效用)，甚至这种效用标准根本无法在事先确立，根据动态效率标准，更注重如何去创造新的资源，特别是去开发新产品或生产新工艺(或改进既存的工艺)，而这些往往又需要经历一段时间后才能出现并产生效果。干中学(learning by doing)、减少过多的研发开支、实现研发的规模经济等等都是动态效率的例证[5]。当然，这也意味着在市场竞争中存在一定的失调、资源浪费甚至竞争的外部性现象亦是可进行抗辩的正当理由。